1

BAGIAN 1

PENGENALAN SISTEM
BERBASIS PENGETAHUAN / SISTEM PAKAR

1.1. Pengertian A.I
- Merup. Sub-bid pengetahuan komp. yang ditujukan u/ membuat software (S/W)
dan haardware (H/W) yang sepenuhnya bisa menirukan beberapa fungsi otak
manusia.

- Sbg. Cabang sains komp. yang mempelajari otomatisasi tingkah laku cerdas
(intelligent)

- Intelligence/Intelegensia : seseorang yang pandai melaksanakan pengetahuan
yang dimilikinya.

- Mahasiswa/Pelajar ?
- Tukang becak ?
- Bayi ?
- Penjahat ?


dkl : kemampuan manusia u/ memperoleh pengetahuan dan pandai
melaksanakannya dalam praktek




- Artificial Intelligence adalah bidang ilmu komputasi yang memungkinkannya u/
memahami, bernalar & bertindak

- Bagian dari Intelegensi Buatan

2



1.2. Pengertian Sistem Pakar (Expert Sistem)

- Membuat S/W Expert Systems prog. Sebagai penasehat/konsultan pakar
- Dapat mengumpulkan dan penyimpan pengetahuan seorang/beberapa orang
pakar ke dalam komp. u/ semua orang yang memerlukan
- Tidak u/ menggantikan kedudukan seorang pakar ttp u/ memasyarakatkan
pengetahuan & pengalamaan pakar tsb.
- Memungkinkan orang lain meningkatkan produktivitas, memperbaiki kualitas
keputusan dll.
Diagram blok Expert Systems (umum)

Robotik
Visi
Ucapan
Sist
Neural
buatan
Sist
Pakar
Pemahaman
Bhs
alami



User
interface




Inference
engine



Know-
ledge
base

user
3

Domain Masalah

Domain
Pengetahuan
- Knowledge base berisi semua fakta, ide, hubungan
- Motor inferensi bertugas u/ menganalisis pengetahuan dan menarik kesimpulan
berdasarkan knowledge base.
- S/W user interface berfungsi sbg media pemasukan pengetahuan ke dalam (KB)

Domain Pengetahuan Expert










Keuntungan / Kelebihan Sistem Pakar
- Availability-bertambah * Intelligent tutor
- Cost-rendah * Intelligent dB
- Danger-reduced
- Performance
- Multiple expertise
- Reability-bertambah
- Explanation
- Response-cepat
- Steady, unemotional and complete response

4

KONSEP UMUM SISTEM PAKAR (SP)

- Salah satu metode representasi pengetahuan:
IF.. THEN

- Proses pembuatan SP knowledge engineering yg dilakukan oleh knowledge
engineer. Selain itu domain expert dan end user.


Perkembangan Sistem Pakar

- Tugas knowledge engineer adalah memilih S/W & H/W u/ pembuatan SP,
membantu mengambil pengetahuan yg dibutuhkan dari pakar domain, serta
implementasi pengetahuan pada basis pengetahuan yg benar & efisien

- Tugas pakar domain : menyediakan pengetahuan tentang bidang problem yang
dihadapi, memahami teknik-teknik pemecahan problema yang dipakai.

- Batasan praktis dari beberapa SP causal knowledge

- SP lebih mudah untuk diprogram dengan shallow knowledge, yaitu berdasarkan
pada pengalaman dan pengetahuan heuristik.


Human Expert
Knowledge Engineer
Knowledge Base Of
Expert Sistem
5


Keterangan
Basis Pengetahuan
- inti prog SP
- representasi pengetahuan dari seorang pakar.
- Macam-macam

Mesin Inferensi
- mekanisme fungsi berfikir dan pola-pola penalaran sistem yg digunakan pakar
- menganalisa suatu maslah tertentu
- mencari jawaban atau solusi yg terbaik.
- Ada 2 pelacakan backward & forward chaining



6

KARAKTERISTIK SP
- High Performance
- Adequate response time
- Good reliability
- Understanable
- Flexibility

PENGEMBANGAN TEKNOLOGI SP
- Akar SP pada banyak disiplin ilmu cognitive science yaitu study bagaimana
orang memikirkan dlm pemecahan masalah. cognitive processor yaitu
menemukan aturan yg akan diaktifkan.

SP YANG TERKENAL
1. MYCIN
- Dirancang oleh Edward Feigenbaum (Universitas Stanford) th 70 an
- SP medical yg dpt mendiagnosa infeksi bakteri & rekomendasi pengobatan
antibiotik
2. DENDRAL
- SP struktur molekular & kimia
3. PROSPECTOR
- Membantu ahli geologi yg mencari & menemukan biji deposit (mineral& batu-
batuan)
- Didesign oleh Sheffield Research Institute, akhir 70an
4. XCON (R1)
- SP konfigurasi sistem komputer dasar
- Dikembangkan oleh Digital Equipment Corporation (DEC) dan Carnegie
Mellon Universitas (CMU), akhir 70 an
- Untuk sistem komputer DEC VAC 11 1780
5. DELTA
- Didesign & dikembangkan oleh General Electric Company
- SP personal maintenance dg mesin lokomotif listrik diesel.
6. YESMVS
- Didesign oleh IBM awal th 80an
- Membantu operator komputer & mengontrol sistem operasi MVS (multiple
virtual storage)
7

7. ACE
- Didesign & dikembangkan oleh AT&T Bell Lab awal th 80an
- SP troubleshooting pd sistem kabel telpon

KLASIFIKASI APLIKASI SP
1. CONTROL
- Aplikasi komputer yg sangat umum
- Ada 2 jenis kontrol : loop terbuka & tertutup
2. DEGUGGING
- Proses mencari kesalahan & memperbaiki solusi.
3. DESIGN
- Pengumpulan informasi mengenai spesifikasi sistem & produk tertentu
- Untuk merancang sirkit elektronik, bangunan, dan rumah.
4. DIAGNOSIS
- Untuk mendiagnosa produk atau sistem yg sudah tdk berfungsi.
5. INSTRUKSIONAL
- Untuk membantu dalam proses belajar mengajar
6. INTERPRETASI
- Membantu seorang dlm menafsir & memahami situasi/perspektif suatu
peristiwa.
- Contoh : analisa intelegensia, daya tahan, citra dan sinyal
7. PLANNING
- Merumuskan metode, penataan yg dapat mendekatkan pd tujuan.
- Contoh : proyek manajemen, taktik & strategi militer, pemrograman robot
8. PREDIKSI
- Meramalkan apa yg terjadi di masa yg akan datang.
9. REPARASI
- Memperbaiki barang yg rusak ke keadaan semula
10. KONFIGURASI

8

ELEMEN SP
1. User Interface --- kom antara user & SP
2. Explanation Facility --- pemberian alasan pd user
3. Working Memori
4. Inference Engine --- penentuan aturan yg hrs dipenuhi, prioritas aturan yg
tercukupi, & prioritas yg tertinggi
5. Agenda --- daftar yg diprioritaskan dari aturan (4)
6. Fasilitas Pemrolehan Pengetahuan --- cara otomatis bagi pemakai untuk
memasukkan pengetahuan dlm sistem.

Rangkaian Forward (Forward chaining)
merupakan pemberi alasan dari fakta untuk kesimpulan hasil dari fakta

Contoh :
Jika kita melihat bahwa hari ini akan turun hujan sebelum pergi (nyata)
Maka kita harus membawa payung (kesimpulan)

Mis : Programan OPS5, CLIPS


Rangkaian Backward (Backward chaining)
- Pemberian alasan sebaliknya dari hipotesa, kesimpulan potensial dibuktikan,
pada fakta yg mendukung hipotesa

Contoh:
Jika kita tidak melihat keluar dan seseorang masuk dg sepatu basah dan
payung.
Hipotesa kita adalah bahwa hari hujan
Mis : EMYCIN

SISTEM PRODUKSI
Salah satu type SP yg paling terkenal adalah system yg berdasarkan pd aturan.
Alasannya :
1. Modular nature
2. Explanation facility
9

3. Similarity to the human cognitive process

POST
Idenya :
- System matematika & logika merupakan set aturan sederhana untuk
menentukan bagaimana mengubah 1 string simbol ke dlm simbol lainnya.
- Yaitu dg input string, kejadian sebelumnya,
ALGORITMA MARKOV
- Merupakan kelompok produksi yg terorder yg diterapkan untuk prioritas ke
input string.
- Algoritma akan berakhir dg baik jika:
(1). Produksi terakhir tidak dapat diterapkan pada string
(2). Suatu produksi yg berakhir dg periode diterapkan.
- Jika input string GABKAB
System produksi AB HIJ
Maka hasil akhir GHIJKHIJ
- Karakter ^ string nol
- Mis A ^ artinya menghilangkan seluruh kejadian karakter A dlm suatu
string
- Karakter tunggal a,b,c,
- Mis AxB BxA artinya mengubah karakter A dan B
- Huruf Yunani o,|

Contoh : Memindahkan huruf pertama string input ke akhir
Aturan 1. oxy yox
2. o ^
3. ^ o
Input ABC
10


Aturan Sukses atau Gagal String
1 G ABC
2 G ABC
3 S oABC
1 S BoAC
1 S BCoA
1 G BCoA
2 S BCA

ALGORITMA RETE
- Pada algoritma Markov diterapkan aturan/baris prioritas lebih tinggi.
- Masalah timbul jika system mempunyai aturan/baris yang banyak, maka tidak
akan efisien.
- Solusinya adalah algoritma Rete yang dikembangkan oleh Charles L.F di
Carnegie-Mellon University (1979)
- Yaitu algoritma yg mengetahui tentang seluruh aturan/baris seluruh sistem dan
dapat menerapkan suatu baris tanpa harus mencoba setiap baris tanpa
berangkai (mencari perubahan dalam gabungan setiap cycle)
- Merupakan gabungan pola yang sangat cepat, yang mendapatkan kecepatannya
dengan menyimpan informasi tentang baris dalam jaringan.



11


SP YANG BERSADARKAN ATURAN MODEREN





KLASIFIKASI PARADIGMA PEMROGRAMAN
1. Paradigma Prosedural

ALGORITMA adalah metode untuk pemecahan masalah dalam sejumlah
tahap/langkah tertentu.

Implementasi algoritma dalam suatu program disebut program prosedural.
RULE-BASED EXPERT SYSTEMS
RULES INFERENCE ENGINE FACTS
POST
PRODUCTION
RULES
EFFICIENT
PATTERN
MATCH
CONFIENT
RESOLUTION
EXECUTION
OF RIGHT-
HAND-SIDE
OF RULES
RETE
ALG.
MARKOV
ALG
12

Pemrograman algoritma (prosedural) dan konvensional untuk program type non-
AI.
Sinonim untuk pemrograman prosedural adalah prog. Sequential.
Pada pemrograman prosedural, programmer harus menentukan sesungguhnya
bagaimana pemecahan masalah harus di-code-kan.
Pembuat code adalah pemrograman non prosedural.

2. Paradigma Non-Prosedural


Penekanan pemrograman Non prosedural adalah penentuan apa yg akan
diselesaikan dan membiarkan system menentukan bagaimana menyusunnya.


PEMROGRAMAN DEKLARATIF
Memisahkan tujuan dari metode yg digunakan untuk mencapai tujuan.

PEMROGRAMAN OBJECT ORIENTED
Ide : membuat dsign program dg mempertimbangkan data yg digunakan dalam
program sebagai objek dan mengimplemnetasikan operasi pada objek tersebut.

PEMROGRAMAN LOGIKA
Pembuktian teori logika dg Logic Theorirt Program (Newell & Simon) pada
Darmouth Conference A.I (1956)

13

Rangkaian backward dapat digunakan untuk mengekspresikan pengetahuan dalam
representasi deklaratif maupun kontrol proses pemberian alasan.

Keuntungannya : pembuatannya dapat diproses secara paralel yaitu jika ada
beberapa processor dapat bekerja secara simultan.

EXPERT SYSTEM
- Disebut pemrograman deklaratif krn programmer tdk menetukan bagaimana prog.
hrs mendapatkan tujuannya pada level algoritma

ANS (ARTIFICIAL NEURAL SYSTEMS)

14

BAGIAN 2
REPRESENTASI PENGETAHUAN (1)

Representasi pengetahuan merupakan hal penting dalam SP karena:
1. Shell SP didesign untuk type representasi pengetahuan tertentu seperti baris dan
logika
2. Akan memberikan efek/akibat pengembangan, efisiensi, kecepatan dan
perawatan system.

Study pengetahuan disebut epistemology



PENGETAHUAN PRIORI
Berasal dari bahasa Latin
Berarti yang mendahului (pengetahuan datang sebelumnya dan bebas dari arti)
Contoh pernyataan segalanya memiliki sebab , seluruh triangle dalam pesawat
mempunyai 180 derajat
Contoh lain pernyataan logika, hukum matematika
Disebut secara universal benar dan tidak dapat ditentukan tanpa kontradiksi.

PENGETAHUAN POSTERIORI
Adalah pengetahuan yg diperoleh dari arti
Kebenaran dari pengetahuannya menggunakan pengalaman.


PENGETAHUAN PROSEDURAL
15

Bagaimana melakukan sesuatu

PENGETAHUAN DEKLARATIF
Mengacu pada sesuatu benar atau salah

PENGETAHUAN TACIT/UNCONSCIUS
Tidak dapat diekspresikan dg bahasa.

ANALOGY EKSPRESI PENGETAHUAN MENURUT WIRTH

Algorithms + Data Structures = Programs

Untuk SP :
Knowledge + Inference = Expert Systems

HIRARKI PENGETAHUAN :


SP juga :
1. Memisahkan data dari noise
2. Mentrasformasikan data ke dalam informasi
1. Mentrasformasikan data ke dalam pengetahuan

16

METAKNOWLEDGE
Adalah pengetahuan mengenai beberapa perbedaan domain
Menentukan basis pengetahuan mana yg sesuai

PRODUKSI
Teknik representasi pengetahuan mencakup : baris, jaringan semantik, frame, scrips,
bahasa representasi pengetahuan (spt KL-1)

BNF (BACKUS NAUR FORM)
Format notasi untuk menentukan produksi yaitu metalanguage yaitu untuk
menentukan syntax bahasa.
Metalanguage diatas bahasa normal (meta berati diatas)
Type bahasa : bahasa natural, bahasa logika, matematika, bahasa komputer
Notasi BNF sderhana : kalimat yg berisi kata benda dan kata kerja diikuti oleh titik
Baris produksi :
<sentence> ::= <subject><verb><end-mark>
< > dan ::= merupakan simbol dari metalanguage
::= berarti ditentukan sebagai (sama dg )
< > simbol nonterminal (yaitu variabel yg menunjukkan bentuk lain)
simbol l berarti atau

Contoh :
<sentence> <subject> <verb> <end-mark>
<subject> I l You l We
<verb> left l came
<end-mark> . l ? l !
Produksinya ?..


Serangkaian terminal disebut string
Kalimat valid : jika string didapatkan dari start simbol dg menggantikan
nonterminal dg baris definisinya.
Grammar : set/rangkaian baris produksi lengkap yg menentukan suatu bahsa
secara tidak ambigius.
Grammar valid :
17

<sentence> <subject> <verb> <object> <end-mark>
Contoh :
<sentence> <subject phrase> <verb> <object phrase>
<subject phrase> <determiner> <naun>
<object phrase> <determiner> <adjective> <naun>
<determiner> a l an l this l these l those
<noun> man l eater
<verb> is l was
<adjective> dessert l heavy
Bagaimana derivative tree ?

<determine> digunakan untuk menunjukkan item tertentu
Parse tree atau derivation tree adalah representasi grafik dari kalimat yg
diuraikan ke dalam seluruh terminal dan nonterminal yg digunakan untuk
mendapatkan kalimat.

18

REPRESENTASI PENGETAHUAN (2)

- Representasi Pengetahuan (Knowledge Representation)
dimaksudkan untuk menangkap sifat-sifat penting masalah
dan membuat infomasi dapat diakses oleh prosedur
pemecahan masalah.

- Bahasa representasi harus dapat membuat seorang
programmer mampu mengekspresikan pengetahuan
untuk mendapatkan solusi suatu masalah.
- Secara singkat Mylopoulos dan Levesque mengklasifika-
sikan susunan atau pola represen-tasi menjadi empat katagori :

1. Representasi Logika
Representasi ini menggunakan ekspresi-ekspresi dalam logika formal untuk
merepresentasikan basis pengetahuan.

2. Representasi Prosedural
Menggambarkan pengetahuan sebagai sekumpulan instruksi untuk memecahkan
suatu masalah. Dalam sistem yang berbasis aturan, aturan if-then dapat ditafsirkan
sebagai sebuah prosedur untuk mencapai tujuan pemecahan masalah.

3. Representasi Network
Menyatakan pengetahuan sebagai sebuah graf dimana simpul-simpulnya
menggambarkan obyek atau konsep dalam masalah yang dihadapi, sedangkan
lengkungannya menggambarkan hubungan antar mereka. Contohnya adalah
jaringan semantik.

4. Representasi Terstruktur
Memperluas network dengan cara membuat setiap simpulnya menjadi sebuah
struktur data kompleks yang berisi tempat-tempat bernama slot dengan nilai-nilai
tertentu. Nilai-nilai ini dapat merupakan data numerik atau simbolik sederhana,
pointer ke bingkai (frame) lain, atau bahkan merupakan prosedur untuk mengerja kan
tugas tertentu. Contoh : skrip (script), bingkai (frame) dan obyek (object).
19


REPRESENTASI LOGIKA
Representasi logika terdiri dari dua jenis yaitu Kalkulus
proposisional (Propositional logic) dan Kalkulus predikatif
(Predicate logic).

Kalkulus Proposisional (Propositional Logic)
- Proposisi adalah suatu model untuk mendeklarasikan suatu
fakta. Lambang-lambang proposisional menunjukkan proposisi atau pernyataan
tentang segala sesuatu yang dapat benar atau salah.

Lambang-lambang kalkulus proposisional :
1. Lambang pernyataan proposisional
P,Q,R,S,T,... (disebut sebagai atom-atom)

2. Lambang kebenaran
benar (True) , salah (False)

3. Lambang penghubung
. (konjungsi), v (disjungsi), ~ (negasi),
(implikasi), (Bi-implikasi),
(equivalen)

Berikut ini adalah tabel kebenaran (truth value) lambang penghubung :

P Q
P.Q
PvQ
PQ
PQ
T
T
T T T T
T F F T F F
F T F T T F
F F F F T T

20

Equivalen
Suatu kalimat (formula) P dianggap equivalen dengan
formula Q jika dan hanya jika truth value dari P sama
dengan truth value dari G untuk setiap interpretasinya.
(ditulis sbg. P Q)




Contoh :
PQ ~PvQ
P Q ~P PQ ~PvQ
T T F T T
T F F F F
F T T T T
F F T T T

- Kalimat-kalimat atau formula dalam kalkulus proposisional dibentuk dari lambang-
lambang dasar tersebut.

- Nilai-nilai kebenaran yang dikandung oleh kalimat-kalimat proposisional disebut
interpretasi.

- Secara formal, interpretasi diartikan sebagai pemetaan dari lambang-lambang
proposisional menuju ke himpunan {T,F} yakni himpunan benar-salah.

- Suatu formula (kalimat) yang mempunyai n lambang (atom) yang berbeda,
mempunyai 2n interpretasi.

- Interpretasi yang menyebabkan suatu formula bernilai benar dikatakan satisfy the
formula.

- Suatu formula dikatakan tautology jika dan hanya jika bernilai benar untuk setiap
interpretasinya.
21


Contoh : ( A v ~A).

- Suatu formula dikatakan inconsistency jika dan hanya jika bernilai salah untuk
setiap interpretasinya.
Contoh : (A . ~A).

- Suatu formula dikatakan consistent jika tidak inconsistent. Dengan kata lain,
suatu formula yang consistent, paling tidak ada satu interpretasi yang benar.
Contoh (((B v C) . ~C) v D).
- Jika suatu formula tautology maka consistent, tetapi tidak berlaku sebaliknya.
- Tautology disebut juga valid formula
- Inconsistency disebut juga unsatisfiable formula
- Consistency disebut juga satisfiable formula

Hukum yang berlaku untuk ekspresi proposisional P,Q dan R adalah :
1.Hukum de Morgan : ~(PvQ) (~P.~Q)
2.Hukum de Morgan : ~(P.Q) (~Pv~Q)
3.Hukum distributif :
Pv(Q.R) (PvQ) . (PvR)
4.Hukum distributif:
P.(QvR) (P.Q) v(PvR)
5.Hukum komutatif : (P.Q) (Q.P)
6.Hukum komutatif : (PvQ) (QvP)
7.Hukum asosiatif :
((P.Q) .R) (P. (Q.R))
8.Hukum asosiatif :
((PvQ) vR) (Pv (QvR))
9.Hukum kontrapositif :
(PQ) (Q ~P)
Prosedur Pembuktian Teorema

22

- Suatu formula G dikatakan sebagai sebuah konsekuensi logis dari formula F1,
F2, , Fn jika dan hanya jika setiap interpretasi yang memenuhi (F1.F2. .Fn
) juga memenuhi G.
F1, F2, , Fn disebut premis
G disebut Goal formula
- Dengan kata lain, formula G adalah konsekuensi logis dari premis F1, F2, , Fn
jika dan hanya jika ((F1.F2. .Fn) G) adalah Tautology.
- Karena negasi dari suatu Tautology adalah Inconsistency, maka ~((F1.F2 .
.Fn) G) adalah Inconsistency.
- Kita tahu bahwa
~((F1.F2. .Fn)G)
~(~(F1.F2. .Fn) v G)
(F1.F2. .Fn) .~G)

- Dua Metode Pembuktian Teorema:
1. Metode Langsung (Direct Method) membuktikan bahwa ((F1.F2. .Fn) G)
adalah Tautology.
2. Metode Refutasi membuktikan bahwa :
(F1.F2..Fn).~G) adalah Inconsistency.

Contoh soal:
Buktikan bahwa Q adalah konsekensi logis dari premis P dan (P Q) !

Solusi:
1. Metode Langsung, membuktikan bahwa
((P.(P Q) ) Q) adalah Tautology.
23


P Q PQ P . (PQ) (P. (PQ)) Q
T T T T T
T F F F T
F T T F T
F F T F T

2. Metode Refutasi, membuktikan bahwa
(P.(PQ).~Q) adalah Inconsistency.

P Q ~Q PQ P.(PQ) P.(PQ).~Q
T T F T T F
T F T F F F
F T F T F F
F F T T F F


Rules of Inference (Aturan-aturan Inferensi)

- Pendekatan lain untuk membuktikan teorema yang menggunakan aturan/rule
(dinamakan Rules of inference), adalah dengan cara mendeduksi konsekeunsi
logis dari premis-premis yang diketahui atau diberikan.

- Beberapa contoh Rules of Inference adalah:
1. Introducing Conjunction
If F and G then (F.G)
2. Eliminating Conjunction
If (F.G ) then F
If (F.G) then G
3. Introducing Disjunction
If F then (FvG)
If G then (FvG)
4. Modus Ponens
If F and (F G) then G
24

5. Modus Tollens
If ~G and (F G) then ~F
6. Chaining
If (FG) and (GH) then (FH)
7. Equivalen
If F and (F G) then G
If G and (F G) then F

Contoh soal:
Bila diberikan premis-premis sebagai berikut:
(i) John awakens
(ii) John brings a mop
(iii) Mother is deligthed, if john awakens and cleans his room
(iv) If John brings a mop, then he cleans his room.
Buktikan dengan Rules of Inference (deduksi), dimana goal-nya adalah : Mother is
deligthed !



Solusi :
Tuliskan premis tersebut sebagai simbol (atom):
A = John awakens
B = John brings a mop
C = John cleans his room
D = Mother is delighted
Goal yang ingin dibuktikan adalah D
Tuliskan premis tersebut sebagai formula:
(1) A
(2) B
(3) A.C D
(4) B C
Deduksi dengan Rules of Inference
(5) C (dng. Modus Ponens (2) dan (4))
(6) A.C (dng. Intro. Conjunction (1) dan (5))
25

(7) D (dng. Modus Ponens (3) dan (6))


JARINGAN SEMANTIK
Sering disebut proportional net
Bentuk dari pengetahuan deklaratif krn proporsi trb menunjukan fakta
Proporsi selalu benar atau salah disebut juga atomic
Merupakan gambaran grafis yg menunjukkan hubungan antar berbagai objek.
Yaitu dlm bentuk nodes dan arcs yg menghubungkannya
Nodes disebut juga dgn objek, digunakan untuk
menunjukkan objek phisik, konsep, situas


: Links atau edges atau arcs, untuk mengekspesikan suatu relasi
Contoh route pesawat terbang (directed graph)

Disebut juga associative nets, krn node dihubungkan dg yang alin.
Bentuk links IS-A, HAS-A,A-KIND-OF (AKO)
IS-A menunjukkan hubungan kelas, pada gbr diatas menunjukkan jarak dari
HAS-A digunakan untuk mengidentifikasi karakteristik atau atribut objek noda.
AKO digunakan untuk menghubungkan satu jenis ke jenis yg lain

Salah satu masalah pd jaringan semantik adalah tidak adanya standar definisi
nama link
Object-attribute-value triple (OAV) atau triplet digunakan untuk memberi
karakter semua pengetahuan dlm jaringan semantik
26

- Object dapat berupa fisik atau konsepsi
- Attribute adalah karakteristik dari object
- Values adalah ukuran spesifik dari attribute dalam situasi tertentu.

Contoh: O-A-V item
Object Attribute Values

Rumah Kamar tidur 2, 3, 4 dst.
Rumah Warna Putih, Biru,dst.
Kamar tidur Ukuran 2x3, 3x3, 3x4, dst
Diterima di
universitas
Nilai ujian masuk A, B, C, atau D

Bahasa PROLOG
Model : Pemrograman Logika
Jenis data : Simbolik dan numerik, predikat, list
Kalkulus Predikatif PROLOG Arti



+
,
;
:-
not
dan
atau
menyebabkan
tidak,bukan



Variabel dinyatakan sebagai string karakter alfanumerik dimulai dengan huruf
besar :
likes(X,ana)
Contoh :
likes(doni,tina),likes(doni,ana)
likes(doni,ana) :- likes(doni,tina)
not(likes(tina,ana))

Contoh :
Proposisi : Mobil berada didalam garasi
27

Kalkulus predikat : didalam (mobil,garasi)

Contoh lain :
1. red is a color
2. Tom is the father of John
3. Tom and Susan are the parents of John

Jawab :
1. color (red)
2. father_of (Tom,John)
3. parents (Tom,Susan<John)

SCHEMATA
Jaringan semantik contoh dari Shallow knowledge Structure karena seluruh
pengetahuan jaringan semantik diisikan dalam link dan node
Concept schema : dengan skema tsb kita dapat menunjukkan konsep.
Contoh konsep mengenai binatang, setiap orang mempunyai persepsi sendiri
mengenai bintang (berkaki 4 atau 2 , berbulu atau bersisik dsb)

- Banyak pengetahuan yang digunakan dalam proses penalaran kita sehari hari
yang sudah pasti dan sudah dikenal dengan baik. Hal ini didasarkan kepada
berbagai penampilan situasi dan objek-objek khusus, dan proses yang tak
bervariasi.

- Pengetahuan semacam itu kita sebut pengetahuan stereotype.

- Skema adalah satu metoda pengorganisasian, presentasi dan penggunaan
pengetahuan stereotype agar komputer bisa menalar
BINGKAI (FRAME)
Dengan menggunakan representasi network, kita melihat pengetahuan diatur
dengan menggunakan penghubung antar obyek dalam basis pengetahuan.
Selain itu, kita dapat mengatur pengetahuan ke dalam unit-unit yang lebih
28

kompleks yang menggambarkan situasi atau obyek yang rumit dalarn domain.
Unit-unit ini disebut bingkai (frame).
Menurut Minsky, bingkai dapat dipandang sebagai struktur data statik yang
digunakan untuk merepresentasikan situasi-situasi yang telah dipahami dan
stereotip
Setiap bingkai individual dapat dipandang sebagai sebuah struktur data yang
dalam banyak hal serupa dengan "record", dan berisi infomasi yang relevan
dengan entitas-entitas stereotip.
Bingkai mempermudah kita untuk mengatur pengetahuan kita secara hirarki.
Adalah blok pengetahuan yang relatif besar atau kumpulan pengetahuan tentang
suatu objek tertentu, peristiwa, lokasi, situasi atau elemen-elemen lainnya.
Rinciannya diberikan ke dalam slot yang menggambarkan berbagai atribut dan
karakteristik objek.
Frame biasanya digunakan untuk merepresentasikan pengetahuan stereotype
atau pengetahuan yang didasarkan kepada karakteristik yang sudah dikenal yang
merupakan pengalaman-pengalaman.
Dalam bentuk fisik, frame merupakan suatu gambaran seperti "garis besar" yang
sudah dikatagorikan dan sub katagori.
Slot menggambarkan atribut seperti nama pabrik, model, asa-usul pabrik, jenis
mobil, jumlah pintu, mesin dan karakteristik lainnya
Beberapa slot mempunyai nilai tetap.
Jenis slot lainnya bersifat prosedural. Hal ini merupalan slot yang memungkinkan
penambahan informasi baru yang bisa ditambahkan pada kaidah dasar IF
Hampir semua sistem artificial intelligence terbuat dari kumpulan frame-frame
yang dalam hal ini satu sama lain saling berhubungan. Secara bersama-sama
mereka (frame-frame) membentuk suatu hirarki yang dapat digunakan untuk
maksud penalaran.
Untuk menggunakan sistem frame, kita harus membuat program rrame itu sendiri
dengan menggunakan bahasa pemograman Al.
(CATT : Contoh mekanik Mobil)


SKRIP (SCRIPT)
Skrip (script) merupakan representasi terstruktur yang menggambarkan urutan
stereotip dari kejadian-kejadian dalam sebuah konteks khusus.
29

Skrip mula-mula dirancang oleh Schank dan kelompok risetnya sebagai alat
pengorganisasi struktur-struktur ketergantungan konseptual menjadi deskripsi
khusus.
Script adalah skema representasi pengetahuan yang sama dengan frame.
Perbedaannya ialah, frame menggambarkan objek, sedang script
menggambarkan urutan peristiwa.
Dalam mengambarkan urutan peristiwa, script menggunakan serangkaian slot
yang berisi informasi tentang orang, objek, dan tindakan-tindakan yang teijadi
dalam suatu peristiwa.
Elemen script yang tipikal termasuk kondisi masukan, prop, role dan scene.

Kondisi masukkan menggambarkan situasi yang harus dipenuhi sebelum
terjadi atau berlaku suatu peristiwa yang ada dalam script.
Prop mengacu kepada objek yang digunakan dalam urutan peristiwa yang
terjadi.
Role mengacu kepada orang-orang yang terlibat dalam script.
Scene menggambarkan urutan peristiwa aktual yang terjadi.
Komponen-komponen skrip adalah
Kondisi entri atau deskriptor dunia sekitar kita yang harus benar agar skrip
dapat dipanggil. Contoh : dalam hal skrip restoran, ini mencakup restoran
yang sedang buka dan pelanggan yang sedang lapar.

Hasil atau fakta yang benar begitu skrip diakhiri. Misalnya, pelanggan sudah
kenyang, dan pemilik restoran memiliki uang yang lebih banyak (karena
pembayaran oleh pelanggan tersebut).
Penyangga atau apa-apa yang merupakan isi skrip. Di sini meliputi meja, kursi,
pelayan, dan menu.
Peran adalah tindakan yang dilakukan oleh partisipan individual. Misalnya,
pelayan yang mengantar pesanan, dan memberikan tagihan pada pelanggan,
serta pesanan pelanggan, makan, dan membayar.
Adegan yang merupakan kejadian yang menunjukkan aspek waktu dari skrip. Di
sini dapat berupa : masuk ke restoran, memesan, makan, dan lain-lain.

Predicate Logic (Predicate Calculus)
30

Abjad yang menyusun lambang-lambang kalkulus predikatif terdiri dari :
1. Rangkaian huruf, baik huruf kecil maupun huruf besar dari abjad.
2. Rangkaian digit 0,1,...,9.
3. Garis bawah _.

Lambang-lambang kalkulus predikatif dimulai dengan huruf dan diikuti oleh
sembarang rangkaian karakter yang diperkenankan

Contoh :
Tono
***98
ya2
ati_dan_tita
YYY
9rumah
mata
yach????
&kita

Untuk lambang variabel : dimulai dg huruf besar untuk merancang kelas objek atau
sifat yang umum
Contoh : Gumam, POHON

Untuk lambang fungsi/konstanta : dimulai dg huruf kecil
Contoh : gumam, pohon

Kalimat dasar dalam kalkulus predikatif adalah predikat yang diikuti dengan istilah
yang berada didalam tanda kurung dan dipisahkan oleh koma. Kalimat kalkulus
predikatif dibatasi oleh titik/periode.


Contoh : - likes(ani,ida)
- helps(anton,tono)

Lambang predikat dalam contoh di atas adalah likes dan helps.
31

Lambang-lambang predikat merupakan lambang yang dimulai dg huruf kecil.


Kalkulus predikatif juga mencakup dua lambang, dan - yang membatasi arti
sebuah kalimat. merupakan penguantifikasi universal yang menunjukkan bahwa
suatu kalimat adalah benar untuk semua nilai variabelnya. Sedangkan - merupakan
penguantifikasi eksistensial yang menunjukkan bahwa suatu kalimat adalah benar
untuk suatu nilai tertentu dalam sebuah domain.

QUANTIFIER UNIVERSAL ()
Menyatakan untuk setiap atau untuk semua
Contoh : p menunjukkan kalimat seluruh kucing adalah binatang
(x) (p) (x) (if x adalah seekor kucing x adalah seekor binatang)
atau
(x) (x is a cat x is a animal)

Negasi : (x) (p) (x) (if x is a cat ~x is a animal)
Bagaimana kalimat matematika untuk seluruh segitiga adalah poligon ?
Bagaimana Predicate Funcition ?

(x) (x is a triangle x is a polygon)
(x) (triangle (x) polygon (x))

Fungsi Predikat dituliskan dg notasi yg lebih singkat dg huruf besar
Contoh : T = triangle dan P = Polygon
(x) (T(x) P(x))
Dapat diintepretasikan sebagai konjungsi


EXISTENTIAL QUANTIFIER (-)
Suatu pernyataan benar untuk minimal satu anggota domain
Dibaca there exists, at least one, for some, there is one , some
Contoh :
P=gajah
32

Q=binatang mamalia
Semua gajah adalah mamalia (x) (P(x) Q(x))
Beberapa gajah bukan mamalia (-x) (P(x) ~Q(x))
Beberapa gajah adalah mamalia (-x) (P(x) Q



33

STATE GRAPH

Peta yg menunjukkan berbagai kota antara kota kota yg akan dilaluinya agar
mencapai kota tujuan yg diinginkan lebih cepat.
A H : Node
: Ark/link

POHON PELACAKAN

Level sbg hirarki (menggambarkan kedalaman pohon)
Node merupakan berbagai keadaan dlm ruang pelacakan. Ark operatornya
POHON AND / OR
34





METODE PELACAKAN
1. BLIND SEARCH (Pelacakan Buta)
Merupakan sekumpulan prosedur yg digunakan dlm melacak ruang
keadaan.
Menguji seluruh pohon dgn cara yg teratur dg menggunakan semua
operator shg menghasilkan suatu solusi.
Lebih tepat u/ soal-soal kecil dg beberapa ruang keadaan dan tepat u/
komputer berkecepatan tinggi.

2. BREADTH FIRST (Pelacakan Melebar Pertama)
Menguji semua node dlm pohon pelacakan mulai dari node akar
Node yg ada pd setiap tingkat seluruhnya diuji sebelum pindah ke tingkat
berikutnya.

3. DEPTH FIRST (Pelacakan Pertama Mendalam)
35

Jika keadaan tujuan tidak tercapai maka proses dilakukan dg jalan
pelacakan backtrak ke node sebelumnya.
Menjamin bisa menemukan solusi tapi waktu pelacakannya lama.
Masalah utama : sering terjadi penyimpangan arah node tujuan yg
sebenarnya.

4. HEURISTIC SEARCH
Istilah yg berasal dari bahasa Yunani yg berarti menemukan / menyingkap
Membantu mengurangi wilayah pelacakan yg bisa menimbulkan berbagai
alternatif solusi shg dapat membimbing ke tujuan yg diinginkan.

5. HILL CLIMBING (Mendaki bukit)
Merupakan pelacakan depth first yg memanfaatkan heuristik u/ menentukan
jarak yg terpendek atau biaya terendah menuju tujuan yg diinginkan.

6. BEST FIRST SEARCH (Pencarian Terbaik Pertama)
Kombinasi dari breadth first dan depth first

36

BAGIAN 3
METODE INFERENSI / KESIMPULAN

TREES,LATTICES DAN GRAF
Tree: struktur data hirarki yg berisi node/vertices/objek yg menyimpan
informasi/pengetahuan dan link/edges/cabang yg menghubungkan node

- Disebut juga dg tipe jaringan semantik khusus
- Merupakan kasus khusus yg disebut graf
- Suatu graf dapat mempunyai nol atau lebih link, dan tidak ada perbedaan antara
root dan child
- Root : node tertinggi, leaves : terendah

Stuktur keputusan : skema representasi pengetahuan dan metode pemberian
alasan tentang pengetahuannya.
Jika suatu keputusan adalah binary, maka tree keputusan binary mudah dibuat
dan sangat efisien.
Setiap pertanyaan, turun satu tingkat dalam tree.Jika seluruh leaves adalah
jawaban dan seluruh node yg turun adalah pertanyaan, maka ada max 2n untuk
jawaban dan n pertanyaan

STATE SPACE
State adalah kumpulan karakteristik yg dapat digunakan untuk menentukan
status.
State Space adalah rangkaian pernyataan yg menunjukkan transisi antara state
dimana objek dieksprerimen
37

POHON AND-OR
Dalam SP, untuk menemukan solusi problem dapat menggunakan rangkaian
backward yaitu dengan tree AND-OR dan AND-OR-NOT




LOGIKA DEDUKTIF DAN SILOGISME
Tipe-tipe inferensi

38

Deduction
- Pemberian alasan logikal dimana kesimpulan harus mengikuti premis
Induction
- Inferensi dari khusus ke umum
Intuition
- Tidak ada teori yg menjamin. Jawabannya hanya muncul, mungkin dengan
penentuan pola yg ada secara tidak disadari.
Heuristic
- Aturan yg didasarkan pada pengalaman
Generate & Test
- Trial dan error. Digunakan dgn perencanaan.
Abduction
- Pemberian alasan kembali dari kesimpulan yg benar ke premis .
Default
- Diasumsikan pengetahuan umum sebagai default
Autoepistemic
- Self-knowledge
Nonmonotonic
- Pengetahuan yg sebelumnya mungkin tdk benar jika bukti baru didapatkan
Analogy
- Kesimpulan yg berdasarkan pada persamaan untuk situasi yg lainnya.

Yang paling sering dipakai : deductive logic, unruk menentukan validitas argument.
Silogisme merupakan satu type argumen logika.
Contoh :
Premise : Anyone who can program is intelligent
Premise : John can program

Conclusion : Therefore, John is intelligent

Premise
- Digunakan sebagai bukti untuk mendukung sutu kesimpulan.
- Disebut juga antecedent
Kesimpulan/Conclusion
39

- Disebut juga consequent

Karakteristik logika deduktif adalah kesimpulan benar harus mengikuti dari premis yg
benar
Anyone who can program is intelligent
John can program

John is intelligent

Dalam bentuk IF-THEN
IF Anyone who can program is intelligent And
John can program
THEN John is intelligent

Silogisme klasik disebut categorical syllogism.
Premis dan kesimpulan ditentukan sebagai statement categorical dari 4 bentuk
berikut :
FORM SCHEMA
A All S is P
E No S is P
I Some S is P
O Some S is not P

S : Subjek kesimpulan disebut minor term
P : Predikat kesimpulan disebut major term

Major premise : All M is P
Minor premise : All S is M
Concluusion : All S is P

Silogisme diatas disebut standard form dimana major dan minor premis diidentifikasi.

Categorical Silogisme
- A dan I disebut affirmative in quality , subjek dimasukkan kedalam jenis predikat
40

- E dan O disebut negative in quality, subjek tidak masuk dalam jenis predikat
- IS = capula = menghubungkan, menunjukkan bentuk tense dari kata kerja tobe
- Middle term (M)
- All dan No : universal quantifier, Some :particular quantifier
- Mood silogisme ditentukan dengan 3 huruf yg memberikan bentuk premis pokok,
minor premis, dan kesimpulan.

Figure 1 Figure 2 Figure 3 Figure 4
Major Premise M P P M M P P M
Minor Premise S M S M M S M S

Contoh :
All M is P
All S is M type AAA-1
All S is P

All M is P Some P are M
No S is M type ???? All M are S type ????
No S is P Some S are P
Untuk membuktikan validitas argumen silogisme, ada metode yang dinamakan
decision prosedure yaitu dengan menggunakan diagram venn.

Contoh :
All M is P
All S is M type AAA-1
All S is P

41


BARIS INFERENCE (RULES OF INFERENCE)
Yaitu modus ponens dan modus tollens
Diagram venn tidak sesuai untuk argumen yg lebih kompleks karena menjadi sulit
untuk dibaca pada decision tree untuk silogisme

Pada logika proposisional,
If there is power, the computer will work
There is power
The computer will work

Maka dapat ditulis
A B p q
A p p, p q; q
B q

disebut direct reasoning,modus ponenes, law of detachment dan assuming the
antecedent
p,q disebut variabel logika
A,B disebut konstanta proposisional

Bagaimana dengen skema untuk argumen dari tipe ini :
1. p q 2. p q
42

q ~q
p ~p


1. Disebut dg fallacy of converse
2. Disebut dg indirect reasoning, modus tollens, law of contrapositive


43

Tabel Kondisional dan variantnya
Kondisional p q
Konversi q p
Invensi ~p ~q
Kontrapositif ~q ~p

Contoh argumen dengan lebih dari 2 promise:
Chip prices rise only if the yen rises
The yen rises only if the dollar falls and
If the dollar falls then the yen rises.
Since chip proses have risen,
the dollar must have fallen

Proposisinya C = chip prices rise
Y = yen rises
D = dollar falls

C Y
(Y D) . (D Y)
C
D

Buktikan !..



Solusi :
1. Ingat p q dan q p benar maka p dan q ekuivalen
2. Jika (p q) . (q p) maka ekuivalen dg pq dg kata lain p q

44

Maka argumennya menjadi
C Y
Y D
C
D

3. Karena Y sama dengan D maka substitusi D kedalam Y

Maka argumennya menjadi :
C D
C
D (TERBUKTI valid bahwa ini adalah modus ponens)


SOAL :
All men are mortal (p)
Socrates is a man (q)
Therefore, Socrates is mortal r
Buktikan valid atau tidak ?.



FIRST ORDER PREDICATE LOGIC
Kategori silogisme dengan menggunakan predikat logik

TIPE SKEMA REPRESENTASI
PREDIKAT
A All S is P (x) (S(x) P(x))
E No S is P (x) (S(x) ~P(x))
I Some S is P (-x) (S(x) . P(x))
O Some S is not P (-x) (S(x) . ~P(x))

Rule Hukum Universal Instantion menunjukkan individual yg mungkin digantikan dg
universal yaitu simbol | yg berarti fungsi proposisional
45

(x) |(x) x= variabel yg mengatur seluruh individual
|(a) a= individual khusus

Contoh : Socrates is human
(x) H (x)
H (Socrates)
dimana H(x) : fungsi proposissional dg x adalah human

Contoh lain
All men are mortal
Socrates is a man
Socrates is mortal
dimana H=man, M=mortal, s=socrates

Solusi :
1. (x) (H(x) M(x))
2. H(s)
3. M(s)
4. H(s) M(s)
5. M(s)

LOGIC SYSTEMS = WFFS = WFF
Koleksi objek seperti baris, aksioma, pernyataan dsb
Tujuan :
1. Menentukan bentuk argumen (WFFS=Well Formed Formulas)
Contoh All S is P
2. Menunjukkan baris inference yg valid
3. Mengembangkan sendiri dg menemukan baris baru dari inference shg
memperluas rentangan argumen yg dapat dibuktikan
Aksioma :fakta sederhana atau assertion yg tidak dapat dibuktikan dari dalam
sistem
System formal yang diperlukan :
1. Alfabet simbol
2. String finite dari simbol tertentu, wffs
46

3. Aksioma, definisi system
4. Baris inference, yang memungkinkan wff, A untuk dikurangi sebagai
kesimpulan dari set finite I wff lain dimana I = {A1,A2,An}. Wffs harus
berupa aksioma atau teori lain dari sistem logis

RESOLUSI
Diperkenalkan oleh Robinson (1965)
Merupakan baris inference yg utama dalam prolog
Prolog menggunakan notasi quantifier-free
Prolog didasarkan pada logika predikat first-order
Sebelum resolusi diterapkan, wff harus berada dalam keadaan normal (bentuk
standar) yaitu hanya menggunakan V , . , ~

Mis wff (A V B) . (~B V C) disebut bentuk normal konjungtif
A V B dan ~B V C

Ekspresi clausal umumnyya dituliskan dalam bentuk khusus yg disebut kowalski :
A1, A2, . AN B1, B2, .BM
Dalam notasi predikat standar :
A1 . A2 . . AN B1 V B2 V, .BM
Bentuk disjungsinya menggunakan
(p q) ~p v q
menjadi :
A1 . A2. V . AN B1 V B2 V, .BM
~(A1 . A2 . . AN ) V (B1 V B2 V, .BM )
~A1 V ~A2 V . ~AN V B1 V B2 V, . BM INGAT De Morgan ~(p . q)
~p v ~q


Dengan klausa Horn menjadi :
A1, A2, . AN B
Dalam prolog :
B :- A1, A2, AN
Untuk membuktikan teori benar dengan metode klasik reductio ad absurdum
metode kontradiksi.
47

Tujuan resolusi adalah meng-infer klause baru revolvent dari 2 clause yang disebut
parent clauses
Contoh
A V B
A V ~B
A
dapat ditulis sbb
(A V B) . (A V ~B)
ingat distribusi :
p V (q. r) (p V q) . (p V r)
sehingga
(A V B) . (A V ~B) A V (B. ~B) A (resolvent)
ingat (B. ~B) nil/null


48

SISTEM RESOLUSI DAN DEDUKSI

Refutation adalah salah satu type pembuktian yang salah
Contoh A B
B C
C D
A D
A B, B C, C D A B
Buktikan bahwa kesimpulan adalah teori resolusi refulasi
Solusi :
Gunakan (p q) ~p v q untuk semua premise dan kesimpulan, kemudian
negasikan untuk kesimpulannya, sehingga menjadi
(~A V B) . (~B V C) . (~C V D) . A . ~D
Pohon resolusi refutation

Terbukti bahwa A D adalah teori
Latihan :
B E
E . E
E . S F
F . G R
R . T C
B . S . G . T C


RESOLUSI DAN LOGIKA PREDIKAT FIRST ORDER
49

Sebelum resolusi dapat diterapkan, wff harus diletakkan dalam bentuk casual
Contoh :
Some programmers hate all failures
No programmer hates any success
No failure is a success

P(x) = x is a progammer
F(x) = x is a failure
S(x) = x is a success
H(x,y) = x hates y

Premise dan kesimpulannya
(1) (-x) [P(x) . (y) (F(y) H(x,y))]
(2) (x) (P(x) (y) (S(y) ~H(x,y))]
(3) ~(y) (F(y) ~S(,y))

Konversi ke bentuk clausal
1. Hilangkan kondisional, (p q) ~p v q
2. Geser negasi ke dalam (reduksi skope ~).
Negasi digeser hanya berlaku untuk atomik formula
3. Hilangkan quantifier eksistensial
- Jika - tidak ada dalam skope , ganti variabel dengan suatu konstanta baru
(-x) P(x) diganti P(a)
- Jika - berada dalam skope , ganti variabel dengan suatu fungsi yang
memiliki argumen semua variabel dari tersebut
x ,y , -z P(x,y,z) diganti menjadi x,y, P(x,y,F(x,y))
4. Standarisasi variabel (jika perlu) sehingga tiap quantifier memiliki variabel yang
berbeda
5. Geser semua ke kiri (karena semua quantifier punya nama yang berbeda,
pergeseran tidak mempengaruhi hasil)
Bentuk ini disebut prenex normal form terdiri atas prefix quantifier yang diikuti
matriks
6. Hilangkan . tidak perlu ditulis, diasumsikan semua variabel terkuantifikasi
universal
50

7. Geser disjungsi (V) kedalam, sehingga terbentuk conjungsi normal form
8. Buang konjungsi dan uraikan menjadi klausa-klausa
9. Standarisasi variabel (jika perlu) sehingga tidak ada variabel yang muncul pada
lebih dari 1 klausa.

Contoh : Ubah ke bentuk klausal !!!!!!
x (Balok (x) (-y (Diatas(x,y) . ~Piramid(y))
. ~-y (Diatas(x,y) . Diatas(y,x))
. y (~Balok(y) ~Sama(x,y))))

Solusi :
1. x (~Balok (x) V (-y (Diatas(x,y) . ~Piramid(y))
. ~-y (Diatas(x,y) . Diatas(y,x))
. y (~Balok(y) V ~Sama(x,y))))

2. x (~Balok (x) V (-y (Diatas(x,y) . ~Piramid(y))
. y (~Diatas(x,y) V~ Diatas(y,x))
. y (~Balok(y) V ~Sama(x,y))))

3. x (~Balok (x) V (Diatas(x,f(x)) . ~Piramid(f(x)))
. y (~Diatas(x,y) V~ Diatas(y,x))
. y (~Balok(y) V ~Sama(x,y))))

4. x (~Balok (x) V (Diatas(x,f(x)) . ~Piramid(f(x)))
. y (~Diatas(x,y) V~ Diatas(y,x))
. z (~Balok(z) V ~Sama(x,z))))

5. xyz (~Balok (x) V (Diatas(x,f(x)) . ~Piramid(f(x)))
. (~Diatas(x,y) V~ Diatas(y,x))
. (~Balok(z) V ~Sama(x,z))))
6. (~Balok (x) V ((Diatas(x,f(x)) . ~Piramid(f(x)))
. (~Diatas(x,y) V~ Diatas(y,x))
. (~Balok(z) V ~Sama(x,z))))
51


7. (~Balok (x) V Diatas(x,f(x))
. (~Balok (x) V ~Piramid(f(x)))
. (~Balok (x) V ~Diatas(x,y) V~ Diatas(y,x))
. (~Balok (x) V ~Balok(z) V ~Sama(x,z))))

8. 1. ~Balok (x) V Diatas(x,f(x))
2. ~Balok (x) V ~Piramid(f(x))
3. ~Balok (x) V ~Diatas(x,y) V~ Diatas(y,x)
4. ~Balok (x) V ~Balok(z) V ~Sama(x,z)

9. 1. ~Balok (x) V Diatas(x,f(x))
2.~Balok (k) V ~Piramid(f(k))
3.~Balok (m) V ~Diatas(m,y) V~ Diatas(y,m)
4. ~Balok (n) V ~Balok(z) V ~Sama(n,z)

RANGKAIAN BACKWARD DAN FORWARD
Forward : bottom-up reasoning, breadth first
Backward : top-down reasoning, depth-first
Rangkaian forward Rangkaian Backward
-Planning, monitoring,control
-Saat sekarang ke masa depan
-Antecedent ke consequent
-Data driven, bottom-up
-Kerja mundur untuk menemukan
pemecahan yg mengikuti fakta
-Breadth-first search
-Antecedent menentukan pencarian
-Fasilitas bukan penjelasan
-Diagnosis
-Sekarang ke masa lalu
-Consequent ke antecedent
-Goal driven, top-down
-Kerja mundur untuk menemukan
fakta yg mendukung hipotesa
-Depth-first search
-Consequent menentukan pencarian
-Fasilitas penjelasan
METODE LAIN DARI INFERENCE/KESIMPULAN

ANALOGI
Mencoba dan menghubungkan situasi lama sebagai penuntun ke situasi baru.
52

Contoh : diagnosis medical
Pemberian alasan analogis berhubungan dgn induksi

GENERATE AND TEST
Pembuatan solusi kemudian pengetesan untuk melihat apakah solusi yg diajukan
memenuhi semua persyaratan. Jika solusi memenuhi maka berhenti yg lain
membuat sollusi yg baru kemudian test lagi dst
Contoh : Dendral, prog AM(artificial Mathematician),Mycin

ABDUCTION/PENGAMBILAN
Metodenya sama dg modus ponens
Abduction Modus ponens
p q p q
q p
p q

Bukan argument deduksi yg valid
Berguna untuk baris/rules heuristik inference
Analogi,generate and test, abduction adalah metode bukan deduksi. Dari premise
yg benar, metode ini tidak dapat membuktikan kesimpulan yg benar

53

Perbedaan :
Inference Start Tujuan
FORWARD


BACKWARD


ABDUCTION
Fakta


Kesimpulan tdk pasti

Kesimpulan benar
Kesimpulan yg harus
mengikuti

Fakta pendukung
kesimpulan

Fakta yg dpt mengikuti

NONMONOTONIC REASONING
Tambahan aksioma yg baru pada sistem logika berarti bahwa banyak teori yg
dapat dibuktikan jika ada banyak aksioma dari teori yg didapat, disebut monotonik
sistem

METAKNOWLEDGE
Program meta-DENDRAL menggunakan induksi untuk menyimpulkan baris baru
dari struktur kimia.
Contoh : TEIRESIAS yg menambah pengetahuan secara interaktif dari expert